信息管理与信息系统专业“数据分析与挖掘”课程教学改革思考

［摘 要］ “数据分析与挖掘”是信息管理与信息系统专业的核心课程。现阶段，“数据分析与挖掘”课程教学存在学生学习兴趣不高、理论与应用联系不够紧密、课上课下线上线下未能有效结合、评价体系不合理、学生发展的可持续性不高等诸多亟待解决的问题。面向创新型、复合型、应用型人才的培养目标，提出了一系列具体的教学改革思路，包括基于学生的自主选题开展教学、结合选题进行小组讨论、利用线上手段赋能课下教学、建立综合评价体系、关注学生后续发展等，以期提高学生的学习自主性及教学效果，培养学生灵活运用课程知识解决实际问题的能力。

［关键词］ “数据分析与挖掘”课程；信息管理与信息系统专业；教学改革

［基金项目］ 2021年度教育部首批新文科研究与改革实践项目“大数据时代下经管类专业课程体系改革研究”（2021140007）；2021年度北京化工大学新文科研究与改革实践项目“大数据时代下经管类专业课程体系改革研究”（2021BHXWKJ04）；2021年度北京化工大学研究生教育教学改革项目“‘新文科’背景下经管类研究生培养质量评价与激励”（G-JG-PTPG202104）

［作者简介］ 易 鹤（1993—），女，河南信阳人，博士，北京化工大学经济管理学院见习副教授，硕士生导师，主要从事系统可靠性研究；马红光（1989—），男，河北邯郸人，博士，北京化工大学经济管理学院讲师，硕士生导师（通信作者），主要从事交通运输管理、运筹优化研究；李 想（1982—），男（满族），吉林四平人，博士，长安大学经济与管理学院教授，博士生导师，主要从事交通运输管理、大数据优化研究。

［中图分类号］ G642.0 ［文献标识码］ A ［文章编号］ 1674-9324（2025）07-0005-04 ［收稿日期］ 2024-01-23

在当今的大数据时代，我们每时每刻都面临海量数据的冲击，然而这些数据所蕴含的信息往往难以获取。这种状况推动了数据分析与挖掘的方法和技术的迅速发展，“数据分析与挖掘”课程应运而生。“数据分析与挖掘”是信息管理与信息系统专业的核心课程，对培养学生的动手能力和后续的职业发展具有深远的影响。为提升“数据分析与挖掘”课程的教学效果，教育者针对教学过程中存在的问题提出了一系列改革举措，如翻转课堂模式［1］、融合科研成果［2］、利用雨课堂平台［3］、跨学科课程建设［4］、思政教学［5-6］、BOPPPS教学法［3，7］、构建教学资源库［8］等。这些改革举措在一定程度上解决了“数据分析与挖掘”课程教学中存在的一些问题，但要满足社会对数据分析与挖掘人才的需求仍须进行更多的探索和改革。

一、信息管理与信息系统专业“数据分析与挖掘”课程的教学现状

“数据分析与挖掘”课程旨在使学生了解数据挖掘的基本概念和方法，掌握数据预处理的基本技术和模式挖掘、分类、聚类等数据挖掘基本方法，了解数据挖掘的应用及前沿发展。该课程理论难度较大，对学生应用相关理论解决实际问题的能力要求较高。当前，“数据分析与挖掘”课程教学还存在如下一些突出问题。

（一）课程难度大，学生学习兴趣不高

“数据分析与挖掘”包含大量数学公式和推理，对于信息管理与信息系统专业的学生来说具有一定的挑战性。特别是《关联分析》《分类》和《聚类》这三个主要章节中涉及许多学生之前未曾接触过的概念（如频繁项集、关联规则、分类、属性选择度量、凝聚/分裂的聚类、高密度连通区域等）和方法（如Apriori算法、模式增长方法、决策树归纳、贝叶斯分类、划分聚类、层次聚类等），这些都可能让学生感到困惑和缺乏兴趣。此外，对于基础较为薄弱的学生来说，他们还需要自学统计学和机器学习等领域的相关内容。因此，如何提高学生的学习兴趣，帮助他们更好地理解课程内容成了教学实践的关键问题。

（二）理论学习与应用实践联系不够紧密

“数据分析与挖掘”课程的相关理论和方法是为了解决人们在生产生活过程中面临的现实问题，因此在教学过程中应特别注重理论学习与应用实践的紧密结合。然而，由于课程时长和难度的限制，我们往往无法在课堂上使用大规模的真实数据来展示数据挖掘的全过程。相反，我们常常使用经过处理和简化的数据，这可能会让学生误以为数据分析与挖掘的核心在于数据分析部分。然而，在解决实际问题时，学生发现大部分时间实际上是在数据收集和预处理阶段。因此，如何将理论学习与应用实践进行有机融合，是我们在教学过程中需要密切关注的问题。

（三）课上课下、线上线下未能有效结合

目前，“数据分析与挖掘”课程仍主要依赖于课堂教学，课后自学作为辅助，这种教学方式并未能将二者有效地结合起来。实际上，由于课堂教学与课后自学的分离，教师较难准确评估和监督学生课后自学的效果，导致无法及时调整课堂教学的内容和进度。课上和课下的有机结合可以激发学生的学习积极性和主观能动性，有助于克服学习困难，提高学习效果。只有将课堂学习和课后学习有机地结合起来，相辅相成、互相促进，才能最高效地实现教学目标。此外，为使学生在课后自学过程中遇到的问题及时得到解决，将线上教学和线下教学相结合，充分利用两种教学方式的优势，能够有效提高教学效果和学生的学习体验。

（四）课程评价体系不合理

“数据分析与挖掘”课程的考核形式主要采用两种方法。一种是闭卷考试形式，通过选择、填空、问答、计算等题型，考查学生对基础知识的掌握程度，从而评估他们对课程学习的理解和掌握情况；另一种是结课论文形式，通过学生处理真实数据、解决实际问题、撰写学术论文的过程和细节，评估他们在课程中获得的能力提升。这两种形式各有优劣。闭卷考试的评价结果相对比较客观，更能引起学生对理论学习的重视，但无法评估学生应用数据分析与挖掘知识解决实际问题的能力；结课论文可以很好地评估学生的能力，但教师对论文本身的评价具有一定的主观性，无法从论文本身判断学生独立解决问题的能力。因此，如何构建全新的“数据分析与挖掘”课程评价体系，既能够准确地评估学生对理论知识的掌握情况，又能够全方位地评估他们解决实际问题的能力，变得非常重要且具有挑战性。

（五）学生后续发展的可持续性不高

“数据分析与挖掘”课程的教学旨在教授学生该领域的基本知识，更多精深前沿的内容需要学生在课程结束后自行关注和学习，如数据仓库和数据立方体技术、高级的模式挖掘分类/聚类方法等。然而，因为学生并不从事相关领域的工作，往往忽视了对后续内容的学习。事实上，数据分析与挖掘对于信息管理与信息系统专业的学生来说是提升能力、增长见闻的重要环节。如果只停留在基本内容的学习而不去关注该领域的最新进展，那么这门课程的教学目的就不能算真正达到。当前，“数据分析与挖掘”课程既忽视了对学生后续发展情况的关注，也没有为对数据分析与挖掘感兴趣的学生提供更好的学习和应用机会。因此，如何将课程教学延续到课程结束之后，甚至对学生今后的工作学习产生真正意义上的影响，是教授这门课程的教师须思考的关键问题。

二、信息管理与信息系统专业“数据分析与挖掘”课程的教学改革探究

面向创新型、复合型、应用型人才的培养目标，为更好地解决“数据分析与挖掘”课程教学中存在的问题，下面提出一些关于教学改革的思考。

（一）基于学生的自主选题开展教学

在课程伊始，我们应该引导学生针对他们感兴趣的实际领域，主动搜集适合进行数据挖掘和分析的相关数据。然后，对各个数据集进行深入探讨和解析，并从中选择适合进行关联分析、分类和聚类的数据集，作为后续小组练习的素材。由于这些数据集是学生自己挑选的，他们对后续的研究会更具热情和好奇心，这将有助于提高他们的学习兴趣。在选题过程中，我们可以引导学生关注政府部门、国家统计局等发布的公开数据，以及Kaggle等竞赛网站上各行各业的相关数据。这将使学生在后续的研究过程中更加关注国情，培养他们运用数据分析挖掘知识解决国家和社会发展中遇到的实际问题的意识和能力。

（二）结合选题进行理论与算法的小组讨论

将数据分析与挖掘的理论知识难点逐一细化，并找到它们在学生自主选题中的对应，使学生充分认识到这些理论内容在实际的数据分析与挖掘过程中的重要性和必要性。通过这种方式，学生能够克服畏难情绪，提高学习兴趣。以小组为单位，对讨论课程中难以掌握的算法和内容，由学生轮流代表小组进行阐述，提出新的观点和见解，在激烈的探讨中达成一致、加深对相关内容的理解。随后，要求学生将这些算法应用到各自所选的数据集中，根据实际问题和数据本身对算法进行调整和优化，培养学生的团队合作能力和应用理论解决实际问题的能力。在后续不同组的展示和交流过程中，拓展学生对社会问题关注的深度和广度。通过互相学习、查漏补缺，学生能够更好地理解相关内容。回到课程的理论部分本身，了解实践过程中遇到的困难及其已有解决办法，并积极寻找新的可能。

（三）利用线上手段赋能课下教学

将课程的理论讲解部分和各小组代表的交流讨论部分作为课上教学的主要内容，将各小组内部的交流讨论部分作为课下学习的主要内容。这样，课下的学习成了课上教学的必要前提和重要延续，同时也增强了理论学习与实际应用之间的联系。在课后学习过程中，学生会遇到一系列难以解决的问题，将这些问题迅速带到接下来的课上教学中进行讨论和讲解，从而形成良好的学习闭环，以理论促进实践，以实践加深理论，以课上带动课下，以课下补充课上。此外，利用教学设备完整地记录课堂教学，学生可以在线上随时查看学习过程中未能理解的内容。教师也可以在线上对各小组遇到的问题进行实时解答，以保证课下学习能够顺畅进行，为接下来的课上教学提供保障。

（四）建立学生成绩的综合评价体系

将“数据分析与挖掘”课程的成绩评估分为三个部分：课堂表现、期末论文和闭卷考试。在课堂表现评估中，综合考虑学生在课程中的知识掌握和能力提升表现，对各小组的整体表现进行评分。小组内部则根据每位成员在学习过程中的贡献进行权重划分，二者的结合得出每名学生在课堂表现部分的最终得分。在期末论文部分，学生须运用在课堂教学过程中获得的经验，自选适合的数据集和选题进行数据分析与挖掘，解决实际问题，并以论文形式呈现研究成果。教师会根据学生在论文中展示的知识应用能力和文献阅读能力进行评分。至于闭卷考试部分，以多种题型对课程的基础知识进行全面考查，题目的难度设置须适中，附加题的形式有助于提高试题对学生知识掌握情况的区分度。通过这三种评价方式的结合，教师可以多角度地考查学生的知识掌握情况和能力提升情况，从而更准确地评估教学效果。

（五）为学生的后续发展提供持续帮助

在课程结束后，积极组织学生参加大学生数学建模竞赛等赛事，这不仅可以帮助学生加深对课程内容的理解、拓宽视野，提高他们在未来学习工作中的竞争力，还可以通过更深入的交流与合作培养他们解决实际问题的能力，树立其克服困难、发现问题和解决问题的自信心。“数据分析与挖掘”课程在信息管理与信息系统专业大三年级下学期结束，课程结束后不久，学生将面临本科毕业论文选题的问题，其中一部分学生会选择在数据分析与挖掘领域进行深入研究，以此为契机引导学生学习更加深入的数据分析与挖掘理论和方法。此外，在教学过程中，各级学生留下了许多与学习过程相关的数据，包括课堂表现成绩、学习记录、期末论文、考试试卷等。通过对这些数据本身进行分析与挖掘，教师可以得到一些有益于指导教学和学生后续发展的重要结论。

结语

在当今数据时代，各行各业时刻都在产生大量数据，我们需要借助数据分析与挖掘工具从海量信息中提取出有价值的信息。“数据分析与挖掘”是信息管理与信息系统专业的核心必修课程，但在实际教学过程中存在课程难度大、学生学习兴趣不高、理论学习与应用实践联系不够紧密、课上课下线上线下未能有效结合、课程评价体系不合理、学生后续发展的可持续性不高等一系列问题。本文从培养应用型人才的角度出发，提出了一些关于教学改革的思考。通过这些改革措施，我们期望能够提高学生的学习兴趣和积极性，加强理论学习与实际应用的联系，实现线上线下教学的良好结合，关注学生的后续发展，从而提高教学质量和效果。